-
公开(公告)号：CN114416969B
公开(公告)日：2024-10-15
申请号：CN202111447487.4
申请日：2021-11-30
申请人： 西安交通大学 , 四川数字经济产业发展研究院
IPC分类号： G06F16/35 , G06F16/951 , G06F40/284 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/08
摘要： 本发明公开了一种基于背景增强的LSTM‑CNN在线评论情感分类方法及系统，将预处理后的在线评论文本进行词转化得到在线评论文本的词向量表示，利用融合词性与位置信息的TF‑IDF算法提取新闻文本特征，使用卷积神经网络提取出评论文本的局部特征，将新闻文本特征提取通道所得的新闻文本特征与在线评论文本特征提取通道所得的评论文本特征拼接得到基于背景增强的评论文本特征向量，将评论文本作为语言背景，将其作为评论文本情感分析的特征，加入到情感分类模型中，提高了模型在不同背景下情感分析判断能力，使用TF‑IDF结合词性与位置信息进行新闻文本特征提取，融合特征向量然后进入全连接层分类训练得到新闻评论情感分类模型，能够提高新闻评论情感分类的准确率。
-
公开(公告)号：CN114169321B
公开(公告)日：2024-09-06
申请号：CN202111453171.6
申请日：2021-11-30
申请人： 西安交通大学 , 四川数字经济产业发展研究院
IPC分类号： G06F40/284 , G06F40/30 , G06F18/25 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/084
摘要： 本发明公开了一种社交媒体内容可信度评估方法及系统，通过对待处理数据集进行预处理，将预处理后的数据集经过Word2vec模型训练得到词向量表，利用CNN模型与Attention机制结合构建ACNN模型，利用BiLSTM模型与Attention机制结合构建ABiLSTM模型，Attention机制是一种注意力机制，将CNN模型、BiLSTM模型和Attention机制进行结合，利用CNN模型提取局部特征，利用BiLSTM不仅能够提取上下文语义相关特征，有效减弱了传统RNN模型存在的梯度消失或梯度爆炸问题，同时，将Attention机制融入CNN模型和BiLSTM模型进行特征权重分配，增大重要特征词对文本信息的影响，降低噪声词的干扰，最后，将两个模型提取的不同角度的特征进行特征融合，使两个模型进行优势互补。
-
公开(公告)号：CN114169321A
公开(公告)日：2022-03-11
申请号：CN202111453171.6
申请日：2021-11-30
申请人： 西安交通大学 , 四川数字经济产业发展研究院
IPC分类号： G06F40/284 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种社交媒体内容可信度评估方法及系统，通过对待处理数据集进行预处理，将预处理后的数据集经过Word2vec模型训练得到词向量表，利用CNN模型与Attention机制结合构建ACNN模型，利用BiLSTM模型与Attention机制结合构建ABiLSTM模型，Attention机制是一种注意力机制，将CNN模型、BiLSTM模型和Attention机制进行结合，利用CNN模型提取局部特征，利用BiLSTM不仅能够提取上下文语义相关特征，有效减弱了传统RNN模型存在的梯度消失或梯度爆炸问题，同时，将Attention机制融入CNN模型和BiLSTM模型进行特征权重分配，增大重要特征词对文本信息的影响，降低噪声词的干扰，最后，将两个模型提取的不同角度的特征进行特征融合，使两个模型进行优势互补。
-
公开(公告)号：CN114416969A
公开(公告)日：2022-04-29
申请号：CN202111447487.4
申请日：2021-11-30
申请人： 西安交通大学 , 四川数字经济产业发展研究院
IPC分类号： G06F16/35 , G06F16/951 , G06F40/284 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于背景增强的LSTM‑CNN在线评论情感分类方法及系统，将预处理后的在线评论文本进行词转化得到在线评论文本的词向量表示，利用融合词性与位置信息的TF‑IDF算法提取新闻文本特征，使用卷积神经网络提取出评论文本的局部特征，将新闻文本特征提取通道所得的新闻文本特征与在线评论文本特征提取通道所得的评论文本特征拼接得到基于背景增强的评论文本特征向量，将评论文本作为语言背景，将其作为评论文本情感分析的特征，加入到情感分类模型中，提高了模型在不同背景下情感分析判断能力，使用TF‑IDF结合词性与位置信息进行新闻文本特征提取，融合特征向量然后进入全连接层分类训练得到新闻评论情感分类模型，能够提高新闻评论情感分类的准确率。
-
公开(公告)号：CN114120370A
公开(公告)日：2022-03-01
申请号：CN202111465252.8
申请日：2021-12-03
申请人： 四川数字经济产业发展研究院 , 西安交通大学
IPC分类号： G06V40/10 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764
摘要： 本发明公开基于CNN‑LSTM的人体跌倒检测实现方法及系统，包括获取人体跌倒行为数据集，对所述人体跌倒行为数据集进行归一化处理；通过OpenPose模型对所述归一化处理后的数据集进行计算，获取人体关节点信息；通过将卷积神经网络对人体关节点信息进行空间特征提取，得到跌倒行为的特征向量；通过长短时记忆神经网络对所述特征向量进行分类识别，得到人体跌倒的检测结果。本发明能够对人体跌倒行为进行准确识别，具有很强的实用性。
-
公开(公告)号：CN115641530A
公开(公告)日：2023-01-24
申请号：CN202211213078.2
申请日：2022-09-30
申请人： 西安交通大学
IPC分类号： G06V20/40 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于卷积神经网络的网络视频源设备识别方法及系统，将待识别视频源进行分帧得到关键帧，从得到的关键帧上提取最大信息块，对获取的最大信息块进行滤波得到滤波后的图像，将滤波后的图像输入到训练好的分类网络模型之中，进行分类并输出分类结果，本发明能够不依赖于手工或先验特征，利用数据直接学习图像指纹特征；同时使用约束卷积层能够联合抑制图像的内容以及自适应地学习图像指纹特征。本发明能够充分利用关键帧中最大信息块中的高频噪声信息，提高视频源识别的准确率。
-
公开(公告)号：CN115641471A
公开(公告)日：2023-01-24
申请号：CN202211273925.4
申请日：2022-10-18
申请人： 西安交通大学
IPC分类号： G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/09 , G06N3/096
摘要： 本发明公开了一种基于生成对抗网络的对抗样本生成方法及系统，针对建立注意力模块、生成器网络和判别器网络的目标模型建立并优化损失函数，基于训练集样本以及优化后的损失函数依次交替对判别器网络和生成器网络进行训练直到设定训练轮次，不同于传统基于梯度迭代需要多次通过反向传播生成对抗样本的攻击算法，生成式对抗网络只需要使用训练完毕的生成器模型通过前向传播过程即可快速生成对抗样本，提高了对抗样本的生成效率，使用梯度加权类别激活映射方法获取到图像中影响目标检测模型目标分类的敏感区域，针对图像中的敏感区域进行攻击，提高了对抗样本的黑盒攻击迁移性。
-
公开(公告)号：CN117765320A
公开(公告)日：2024-03-26
申请号：CN202311789684.3
申请日：2023-12-23
申请人： 西安交通大学
IPC分类号： G06V10/764 , G06V10/774
摘要： 本发明公开了一种针对图像分类任务的对抗样本防御方法及系统，通过构建具有残差结构的深度卷积自编码器的图像对抗样本净化器，并采用添加高斯噪声的图像训练数据对图像对抗样本净化器进行训练，使图像对抗样本净化器的训练损失最小化，得到预训练的图像对抗样本净化器；采用预训练的图像对抗样本净化器对预处理图像样本进行净化，利用净化后的图像样本低图像分类模型进行训练，本发明使用添加高斯噪声的图像训练数据对图像对抗样本净化器进行训练，提升净化后的正常图像样本与图像对抗样本在预训练的图像分类模型上的分类准确率，然后最大化净化器之间的差异，使用连续随机性，阻止攻击者对预训练的图像分类模型生成图像对抗样本。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.052 秒)
